1. 问题:多开几个模型为什么不等于独立审查?
在本地多 Agent 工程流水线里,单模型自审最大的隐患是盲区同源——自己写出的补丁,自己复查时往往沿着同一条推理惯性跳过边缘失效。引入第二个甚至第三个异构模型(Codex、Claude Opus、DeepSeek)听起来顺理成章,但实战中很快会撞上四类高频失真:
- 立场锚定(Anchoring):主控派单时顺嘴写了一句“我已排查 X 边界,重点看看 Y 是否合理”,外审模型就会把 80% 注意力顺延到该假设上,漏掉真正的并发或安全裂缝。
- 伪并行分工(False Role-Splitting):让模型 A 查安全、模型 B 查单测,看似各司其职,实际谁都没有对同一组变更做独立全量复核,拼出来的只是一份“单路拆段报告”。
- 环境与模型降级漂移:子进程读到了宿主用户的全局配置、旧对话记忆,或者实际被路由到降级模型,模型口述的名字和真实执行并不一致。
- 无限挑刺循环(Over-Polishing Loop):外审模型靠“发现问题”体现价值,如果不立收敛门禁,30 行小修补很容易被拖成三四轮大改,反而引入新故障。
2. 早期直觉方案为什么兜不住?
最早我们只在 SKILL.md 里写自然语言规则:“保持客观、不要受主控引导、按 P0/P1/P2 分级”。跑了几个星期就暴露出三个靠提示词根本兜不住的硬伤:
- 如果调度了无
Bash权限、又没有预先生成context/diff.patch的只读task模式去审代码变更,审查进程实际上根本跑不出真实 git diff; - 后台
watch观察器、兜底定时器与主控轮询并发检查同一个完成态任务时,同一份审校结论会被重复推送多次; - 直接指向活的工作区目录而不是冻结快照,审校进行到一半只要并行 worker 改了一行文件,两个模型看到的根本不是同一份状态。
图 1:外部冻结快照、配置隔离、真实模型反查与租约通知防重闭环
3. 把“无偏盲审”写进脚本层确定性约束
在 agent-ops-skills 中,所有关键边界都落在 Python 调度器(codex.py、opus.py、dsh.py)的硬约束上,而不是依赖提示词自觉:
- 外部冻结快照与漂移拒绝:分支模式采用
git archive+ Pythontar.extractall(..., filter="data")解出;工作区模式逐一校验..、绝对路径、逃逸符号链接,并在复制前后比对(st_mtime_ns, st_size)与并发git status,一旦拷贝中途工作区被改动立刻报错中止。 - 禁用宿主配置继承:
codex.py启动传入--ignore-user-config;opus.py强制传入--safe-mode --restricted --disable-slash-commands --strict-mcp-config --mcp-config '{"mcpServers":{}}' --permission-mode dontAsk。另外明确规定:凡代码 diff 审查一律走生成context/diff.patch的start,禁止走无 diff 无 Bash 的task。 - 不信自报身份,反查落地日志:
codex.py直接扫描$CODEX_HOME/sessions/.../*.jsonl的turn_context.model;dsh.py每次发问前校验session/modelCatalog+session/selectModel,事后从事件流assistant/message/step/start反读真实模型,拿不到就老实记为unknown。 - 原子租约防重复播报:所有状态更新走
fcntl.flock;观察者在向主控汇报之前先申请claim --source <id> --lease 300拿到claimToken,汇报后再ack,消除并发观察者重复刷屏。
收敛红线(防钻牛角尖)
外审只用于拦截 P0/P1 实质风险(真挂测试、主流程阻断、鉴权/安全隔离、数据完整性)。对理论并发竞态、死代码洁癖等非阻断 P2 意见默认记一句跳过,绝不开第 3 轮外审循环追修。
4. 真实边界与局限(Honest Trade-offs)
- 工具限制不等于内核沙盒:
opus-review的--tools Read Glob Grep属于应用层工具白名单,而非 OS 级沙盒;dsh-review无 OS 只读沙盒(start靠冻结目录隔离,task直接作用于--repo);codex-task --write --host-access会启用--sandbox danger-full-access。 - 冻结快照不含完整 Git 历史:有意剥离历史并跳过子模块(记录于
manifest.json),不适合依赖长历史考古的审查。 - 跨系统通知仍属“至少一次”边界:如果观察者在发出聊天通知之后、调用
ack之前崩溃,租约到期后仍可能补发一次。